ch03-区间估计.ppt

武汉大学计算机学院 区间估计与假设检验 3.1 区间估计与假设检验的基本概念 3.2 总体均值的区间估计与假设检验的SAS实现 3.3 总体比例的区间估计与假设检验的SAS实现 3.4 总体方差的区间估计与假设检验的SAS实现 3.5 分布检验 3.1 区间估计与假设检验的基本概念 3.1.1 区间估计 3.1.2 假设检验 正态分布的意义 （1）在生产中，各种产品的质量指标一般都服从正态分布； （2）在测量中，测量结果、测量的随机误差都服从正态分布； （3）在生物学中，同一群体的某种特征都服从正态分布； （4）在气象中，某地每年七月份的平均气温、平均湿度、降雨量等都服从正态分布。 计算中心 正态分布的实例 如果数据来自正态分布总体，则： 68%的值落在距均值1个标准差的范围之内 95%的值落在距均值2个标准差的范围之内 99%的值落在距均值3个标准差的范围之内 例如：由12岁女孩体重组成一个总体，这个总体服从均值为39公斤，标准差4.5公斤，则： 68%的值落在34.5~43.5公斤之间 95%的值落在30~48公斤之间 99%的值落在25.5~52.5公斤之间 小概率事件的含义 小概率事件的含义: 发生概率一般不超过5％的事件，即事件在一次试验中几乎不可能发生 区 间 取值概率 （μ－σ，μ＋σ） 68.3% （μ－2σ，μ＋2σ） 95.4% （μ－3σ，μ＋3σ） 99.7% 抽样误差 从同一总体抽取若干样本，通常 样本均数不等于总体均数 一个样本的均数不等于另一个样本的均数 这个现象称为抽样误差 样本均数是个随机变量 任何一个样本均数未必等于总体均数; (2) 样本均数之间互不相等。 若含有n 个个体的样本来自正态分布 ， 则样本均数服从正态分布 (5) 样本量较大时，样本均数变异范围较窄 : 原变量的总体标准差 : 样本均数的标准差 ---- 又称标准误（standard error）. 在样本中， 置信区间 正态分布描述落入不同范围的概率.例如,近似地有(“3 ? ”原则): ◆68%的数据落入以均值为中心一倍标准差的范围内; ◆95%的数据落入以均值为中心两倍标准差的范围内； ◆99%的数据落入以均值为中心三倍标准差的范围内； 若样本均值的分布为正态的,当构造置信区间时就可用正态分布给定的概率,这一概率对应于置信水平.所以,构造一个95%的置信区间,这个置信区间就有95%的概率包括总体均值.95%就为置信水平. 3.1.1 区间估计 点估计和区间估计 参数的估计方法主要有两种：点估计和区间估计 点估计是用样本的观测值估计总体未知参数的值。由于样本的随机性，不同样本观测值计算得出的参数的估计值间存在着差异，因此常用一个区间估计总体的参数，并把具有一定可靠性和精度的估计区间称为置信区间。利用构造的统计量及样本观测值，计算得出参数的置信区间的方法称为参数的区间估计。 3.2.1 使用INSIGHT模块 1. 总体均值的区间估计 【例3-1】某药材生产商要对其仓库中的1000箱药材的平均重量进行估计，药材重量的总体方差未知，随机抽取16箱样本称重后结果如表3-7所示。 表3-7 16箱药材重量（单位：千克） 设药材重量数据存放于数据集Mylib.yczl中，其中重量变量名为weight。求该仓库中每箱药材平均重量在95%置信水平下的置信区间。 50 50 56 51 49 53 47 52 53 53 49 53 55 48 50 55 步骤如下： 1) 启动INSIGHT模块，并打开数据集Mylib.yczl； 2) 选择菜单“Analyze”→“Distribution(Y)”； 3) 在打开的“Distribution(Y)”对话框中进行区间估计的设置（如图）。 3.2.1 使用INSIGHT模块 结果包括一个名为“95％Confidence Intervals（95%置信区间）”的列表，表中给出了均值、标准差、方差的估计值（Parameter）、置信下限（LCL）和置信上限（UCL），如图3-2所示。结果表明，根据抽样样本，该仓库中药材的平均重量以95%的可能性位于50.08千克至52.92千克之间。 3.2.1 使用INSIGHT模块 3.2.2 使用“分析家” 1. 总体均值的置信区间 【例3-4】在“分析家”中求例3-1中每箱药材平均重量在95%置信水平下的置信区间。 步骤如下： 1) 在“分析家”模块中打开数据集Mylib.yczl；